手把手教你搭建一个AI工作流：从输入到输出全自动化

2026-07-11

手把手教你搭建一个AI工作流：从输入到输出全自动化

说实话，我第一次接触AI工作流的时候，脑子里全是“这玩意儿能干嘛”的疑问。后来真动手搭了一个，才发现这东西就像给自己的电脑装了个自动化的“大脑”，能帮你干不少重复性的苦力活。今天我就拿Dify这个工具，带你走一遍从零搭建一个完整工作流的全过程。

为什么我选择了Dify而不是其他工具

先说说工具的选择。市面上其实有不少选择，比如Coze、Flowise、Langflow这些。我试了一圈，最后长期用的是Dify，原因很简单：它开源免费，而且对中文的支持好得不像话。尤其是它那个可视化的工作流编辑器，拖拖拽拽就能搞定，不用写一行代码。

我印象很深的是，Dify在2024年初更新了0.6版本后，工作流节点的丰富度直接上了一个台阶。现在它有30多个内置节点，从HTTP请求到代码执行，从条件判断到循环迭代，基本覆盖了日常需求。而且它支持接入GPT-4、Claude、文心一言、通义千问这些主流模型，你想用哪个都行。

先搞清楚你要自动化什么

动手之前，我建议你先想清楚一件事：你到底想自动化什么流程。别一上来就想着搭个“万能工作流”，那反而容易把自己绕晕。

我自己的第一个工作流特别简单——自动生成小红书笔记。每天我要花至少一小时刷热点、想选题、写文案，后来实在受不了了，就想着能不能让AI帮我完成从“输入关键词”到“输出完整笔记”的全过程。

这个需求拆解下来就是： - 输入：一个主题关键词（比如“春日穿搭”） - 处理：AI根据关键词生成标题、正文、标签、配图建议 - 输出：一篇格式化的小红书笔记，直接复制就能发

就这么一个看似简单的流程，真正搭起来后，我每天至少省了40分钟。而且效果还不错，有时候AI写的文案比我绞尽脑汁想的还接地气。

从零开始搭建：一个完整的工作流示例

现在我就拿Dify的在线版来演示（你也可以自己部署开源版）。登录后，点击“创建应用”，选择“工作流”模式。

第一步：设置输入节点

工作流的起点是输入。在Dify里，你可以在画布上拖一个“开始”节点，然后定义输入参数。比如我定义了一个叫 topic 的文本参数，类型选“字符串”，写个提示说明：“请输入笔记主题，如'春日穿搭'”。

这里有个小技巧：输入参数的名字最好用英文，但提示写中文。因为后面在节点里引用变量时，英文名不容易出错，而中文提示能提醒用户该填什么。

第二步：串联LLM节点

接下来是最核心的部分——LLM节点。拖一个“LLM”节点到画布上，连接“开始”节点。在这里你要选择模型、写系统提示词和用户提示词。

我的系统提示词是这样的：

你是一个小红书爆款笔记写手。你的任务是：
1. 根据用户提供的主题，生成1个吸引眼球的标题（包含emoji）
2. 写300-500字的正文，语气要像闺蜜聊天，用口语化的中文
3. 在正文最后加上5-8个相关标签
4. 推荐2-3个配图方向

输出格式：
---
标题：[标题内容]
正文：
[正文内容]
标签：
[标签内容]
配图建议：
[配图方向]
---

用户提示词就简单了，直接引用输入变量：主题：{{topic}}。这里的 {{topic}} 就是之前定义的输入参数，Dify会自动替换成用户实际输入的内容。

第三步：添加代码节点做格式化

LLM输出的内容虽然结构化了，但有时候格式还是不够整齐。这时候可以加一个“代码”节点，写几行Python代码来清洗和格式化输出。

我写了一个简单的函数，把LLM输出的字符串按 --- 分隔符拆开，然后提取出标题、正文、标签和配图建议，分别存入不同的变量里。这样后面如果想把标题单独拿出来做其他处理，就很方便。

代码节点支持Python和JavaScript，我建议用Python，因为Dify内置了常用的库，像re、json这些直接就能用。

第四步：条件分支与多渠道输出

这一步可有可无，但加了之后工作流会灵活很多。我加了一个“条件判断”节点，判断LLM生成的正文长度是否超过500字。如果超过，就走一个分支，用另一个LLM节点做精简；如果没超过，直接走另一个分支。

最后，把处理好的内容用“HTTP请求”节点发送到我的飞书文档API，或者用“变量聚合”节点把所有结果汇总成一个JSON，方便后续手动复制。

跑通第一个工作流时的感受

说实话，第一次点“运行”按钮的时候，我心里是有点忐忑的。结果等了大概10秒（用的GPT-4o模型），输出框里就蹦出了一篇完整的穿搭笔记。标题写的是“🌸春日穿搭指南，让你美翻整个春天！”，正文洋洋洒洒写了400多字，还真的用上了“姐妹们”“绝了”这种口语化表达。标签也给了8个，什么#春日穿搭 #显瘦穿搭 #小个子穿搭 之类的，配图建议里甚至还写了“建议拍3张全身照+2张细节特写”。

那一瞬间我就在想：这东西要是早一年出来，我得多写多少篇文章啊。

进阶玩法：让工作流自己“进化”

用了一段时间后，我开始琢磨怎么让工作流更聪明。比如，我能不能让AI根据上一篇文章的阅读量，自动调整下一篇的写作风格？

于是我在工作流里加了一个“知识检索”节点，把历史文章的阅读量数据存到Dify的知识库里。每次生成新内容前，先检索出阅读量最高的3篇文章，分析它们的共同特点（比如标题字数、情感倾向、标签数量），然后把分析结果作为上下文传给LLM。

这样一来，工作流就不是死板地执行固定指令了，它有了“学习”能力。我用了大概两周，发现AI生成的文章平均阅读量比之前手动写的还高了15%左右。当然，这个数据可能有点幸存者偏差，但至少说明这条路是走得通的。

一些踩过的坑和避坑指南

搭建过程中我踩了不少坑，说几个印象深的：

第一个坑是模型选择。 一开始我用的是免费的GPT-3.5，结果生成的内容质量忽高忽低，尤其是中文表达，经常出现“令人兴奋的”“革命性的”这种AI味十足的词。后来换成Claude 3 Sonnet，效果好很多，但速度慢了一倍。现在我的做法是：用GPT-4o做核心生成，用Claude 3 Haiku做快速校验和精简，速度和质量都兼顾了。

第二个坑是输入参数的校验。 有一次我忘了给输入参数加长度限制，结果有人输入了2000字的主题描述，LLM直接输出了一篇论文。后来我在“开始”节点里加了一个验证规则，限制输入不超过100字符，这才解决问题。

第三个坑是错误处理。 AI模型偶尔会抽风，比如输出格式不对或者直接返回空内容。我后来在每个LLM节点后面都加了一个“条件判断”，检查输出是否为空或者是否包含预期的分隔符。如果不满足条件，就重试一次或者走备用分支。

工作流到底能帮你省多少时间

我算过一笔账：以前手动写一篇小红书笔记，从刷热点到排版发布，大概需要45分钟。现在用工作流，输入一个关键词，等1分钟左右，AI生成初稿，我再花5分钟修改润色，就可以发布了。每天写3篇的话，一天能省下将近2小时。

更关键的是，工作流可以24小时不间断运行。我甚至写了一个定时触发器，每天早上7点自动生成一篇当日穿搭推荐，然后通过飞书机器人推送到我的手机上。我起床刷手机的时候，文章就已经躺在那里了。

最后说几句

搭建AI工作流这件事，真的不难。你不需要会写复杂的代码，也不需要懂深度学习原理。你只需要想清楚一个问题：你每天在做的哪些事情，是重复的、有规律的、可以用AI替代的？ 然后把它拆解成“输入-处理-输出”三个环节，用Dify这样的工具串起来就行了。

我建议你从最简单的开始，比如做一个“自动生成朋友圈文案”的工作流，或者“自动整理会议纪要”的流程。跑通一个之后，你就会有信心去尝试更复杂的东西。别怕出错，反正最多也就是生成一篇不太完美的文章，又不会把电脑烧了。

好了，我的经验就分享到这里。如果你也搭了一个有意思的工作流，欢迎来评论区聊聊，我特别想看看大家都在用AI自动化做什么事情。